37
Éléments de statistique Partie I - Statistique fondamentale Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Master 2 Probabilités et Finance Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) 1 / 23

Éléments de statistique Partie I - Statistique fondamentaleetienne.roquain.free.fr/file/Slides_chap1.pdf · 2019. 9. 3. · Cadre formel Définition Une expérience statistique

  • Upload
    others

  • View
    0

  • Download
    0

Embed Size (px)

Citation preview

  • Éléments de statistiquePartie I - Statistique fondamentale

    Etienne Roquain(merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...)

    Master 2 Probabilités et Finance

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) 1 / 23

  • Chapitre 1. Modèle statistique

    1 Données

    2 Modèle statistique

    3 Trois grands problèmes statistiques

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) 2 / 23

  • 1 Données

    2 Modèle statistique

    3 Trois grands problèmes statistiques

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Données 3 / 23

  • Tirages pile ou face

    0 200 400 600 800 1000

    0.0

    0.4

    0.8

    I Pièce équilibrée?I Nombre de tirages nécessaires?

    Source : simulations en R

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Données 4 / 23

  • Caractéristiques corporelles

    Taille Poids Tour de cheville

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    0 100 200 300 400 500

    150

    160

    170

    180

    190

    200

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0 100 200 300 400 500

    4060

    8010

    0

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0 100 200 300 400 500

    1618

    2022

    2426

    28

    I Taille des femmes suit une loi gaussienne?I Prédiction poids à partir du tour de cheville?

    Source : https ://ww2.amstat.org/publications/jse/v11n2/datasets.heinz.html

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Données 5 / 23

  • Caractéristiques appareils photos1000 appareils photos, 13 caractéristiques

    I Prédiction prix en fonction des autres caractéristiques?I Prix lié à la dimension de l’appareil ?

    Source : https ://www.kaggle.com/crawford/1000-cameras-datasetEtienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Données 6 / 23

  • Données qualitatives

    Cheveux\Yeux Marron Bleu Noisette orangeBrun 68 20 15 5

    Châtain 119 84 54 29Roux 26 17 14 14Blond 7 94 10 16

    Yeux\Sexe Homme FemmeMarron 98 122

    Bleu 101 114Noisette 47 46orange 33 31

    I Couleur des yeux liée à la couleur des cheveux?

    Source : R-package HairEyeColor

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Données 7 / 23

  • Mesures de polluants par laser

    ●●●●●

    ●●●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●

    ●●●

    ●●●●●●

    ●●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●●●●

    ●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    400 500 600 700

    −0.

    8−

    0.6

    −0.

    4−

    0.2

    0.0

    I Courbe physique sous-jacente?

    Source : R-package SemiParEtienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Données 8 / 23

  • Expression de gènes

    gènesm

    alad

    esa

    in

    I Effets des gènes sur le cancer de la prostate?I Gènes impliqués dans le cancer de la prostate?

    Source : R-package sda

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Données 9 / 23

  • Reconstitution de signal dimension 1

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    0.0 0.2 0.4 0.6 0.8 1.0

    −1.

    5−

    0.5

    0.5

    1.5

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0.0 0.2 0.4 0.6 0.8 1.0

    −2

    −1

    01

    I Débruitage?

    Source : simulations en R

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Données 10 / 23

  • Reconstitution de signal dimension 2

    I Débruitage?

    Source : R-package EMD et simulations en R

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Données 11 / 23

  • 1 Données

    2 Modèle statistique

    3 Trois grands problèmes statistiques

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 12 / 23

  • Probabilité vs Statistique

    I Soit (X1, . . . ,Xn) : (Ω,F)→ (X n,Xn) mesurable

    I Probabilité : loi Pn de (X1, . . . ,Xn) donnée

    (Ω,F ,P) −→ (X n,Xn,Pn)ω 7−→ (X1(ω), . . . ,Xn(ω)) = (x1, . . . , xn)

    I Statistique : réalisation (x1, . . . , xn) ∈ X n , loi Pn ?

    Modèle Pn ∈ P = {Pn,θ, θ ∈ Θ} lois candidates

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 13 / 23

  • Probabilité vs Statistique

    I Soit (X1, . . . ,Xn) : (Ω,F)→ (X n,Xn) mesurable

    I Probabilité : loi Pn de (X1, . . . ,Xn) donnée

    (Ω,F ,P) −→ (X n,Xn,Pn)ω 7−→ (X1(ω), . . . ,Xn(ω)) = (x1, . . . , xn)

    I Statistique : réalisation (x1, . . . , xn) ∈ X n , loi Pn ?

    Modèle Pn ∈ P = {Pn,θ, θ ∈ Θ} lois candidates

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 13 / 23

  • Probabilité vs Statistique

    I Soit (X1, . . . ,Xn) : (Ω,F)→ (X n,Xn) mesurable

    I Probabilité : loi Pn de (X1, . . . ,Xn) donnée

    (Ω,F ,P) −→ (X n,Xn,Pn)ω 7−→ (X1(ω), . . . ,Xn(ω)) = (x1, . . . , xn)

    I Statistique : réalisation (x1, . . . , xn) ∈ X n , loi Pn ?

    Modèle Pn ∈ P = {Pn,θ, θ ∈ Θ} lois candidates

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 13 / 23

  • Probabilité vs Statistique

    I Soit (X1, . . . ,Xn) : (Ω,F)→ (X n,Xn) mesurable

    I Probabilité : loi Pn de (X1, . . . ,Xn) donnée

    (Ω,F ,P) −→ (X n,Xn,Pn)ω 7−→ (X1(ω), . . . ,Xn(ω)) = (x1, . . . , xn)

    I Statistique : réalisation (x1, . . . , xn) ∈ X n , loi Pn ?

    Modèle Pn ∈ P = {Pn,θ, θ ∈ Θ} lois candidates

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 13 / 23

  • Cadre formel

    DéfinitionUne expérience statistique est définie par un triplet (X n,Xn,P) où (X ,X) estun espace mesurable et P est une famille de lois sur (X n,Xn).

    Vocabulaire :I P est le modèle statistique.I L’entier n ≥ 1 est la taille de l’échantillon.I L’espace (X ,X) (ou (X n,Xn)) est l’espace d’observation (X = R où Rp).I Une paramétrisation du modèle P est une application θ ∈ Θ 7→ Pn,θ

    satisfaisant P = {Pn,θ, θ ∈ Θ}.I L’ensemble Θ est l’espace des paramètres et θ est le paramètre du

    modèle.Une observation (X1, . . . ,Xn) du modèle satisfait :

    (Ω,F , {Pθ, θ ∈ Θ}) −→ (X n,Xn, {Pn,θ, θ ∈ Θ})ω 7−→ (X1(ω), . . . ,Xn(ω)) = (x1, . . . , xn)

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 14 / 23

  • Types de modèlesLe modèle P = {Pn,θ, θ ∈ Θ} (ainsi paramétré) est dit . . .

    . . . identifiablesi ∀θ, θ′ ∈ Θ, Pn,θ = Pn,θ′ implique θ = θ′.

    Sinon reconstruction du paramètre impossible à l’aide des données !

    . . . produit

    s’il existe {Pθ, θ ∈ Θ}, famille de lois sur (X ,X), tell que Pn,θ = P⊗nθ , θ ∈ Θ(c’est-à-dire X1, . . . ,Xn i.i.d.)

    Convention : pour les modèles produits, la famille {Pθ, θ ∈ Θ} est le modèle.

    . . . paramétrique

    s’il existe p ≥ 1 tel que Θ ⊂ Rp, il est dit non-paramétrique sinon

    . . . de grande dimension

    si Θ ⊂ Rp, Vect(Θ) = Rp avec p « grand » (informel)Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 15 / 23

  • Tirages pile ou face

    0 200 400 600 800 1000

    0.0

    0.4

    0.8

    I Modèle {B(θ)⊗n, θ ∈ [0,1]}I Identifiable, produit, paramétrique.

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 16 / 23

  • Tirages pile ou face

    0 200 400 600 800 1000

    0.0

    0.4

    0.8

    I Modèle {B(θ)⊗n, θ ∈ [0,1]}I Identifiable, produit, paramétrique.

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 16 / 23

  • Caractéristiques corporelles

    Taille Poids Tour de cheville

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    0 100 200 300 400 500

    150

    160

    170

    180

    190

    200

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0 100 200 300 400 500

    4060

    8010

    0

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0 100 200 300 400 500

    1618

    2022

    2426

    28

    I Par exemple modèle {N (µ, σ2)⊗n, θ = (µ, σ) ∈ R× (0,∞)}I Identifiable, produit, paramétriqueI Mais modèle {N (µ, σ2)⊗n, θ = (µ, σ) ∈ R2} pas identifiable.

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 17 / 23

  • Caractéristiques corporelles

    Taille Poids Tour de cheville

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    0 100 200 300 400 500

    150

    160

    170

    180

    190

    200

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0 100 200 300 400 500

    4060

    8010

    0

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0 100 200 300 400 500

    1618

    2022

    2426

    28

    I Par exemple modèle {N (µ, σ2)⊗n, θ = (µ, σ) ∈ R× (0,∞)}I Identifiable, produit, paramétriqueI Mais modèle {N (µ, σ2)⊗n, θ = (µ, σ) ∈ R2} pas identifiable.

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 17 / 23

  • Caractéristiques corporelles

    Taille Poids Tour de cheville

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    0 100 200 300 400 500

    150

    160

    170

    180

    190

    200

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0 100 200 300 400 500

    4060

    8010

    0

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0 100 200 300 400 500

    1618

    2022

    2426

    28

    I Par exemple modèle {N (µ, σ2)⊗n, θ = (µ, σ) ∈ R× (0,∞)}I Identifiable, produit, paramétriqueI Mais modèle {N (µ, σ2)⊗n, θ = (µ, σ) ∈ R2} pas identifiable.

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 17 / 23

  • Caractéristiques corporelles

    Taille Poids Tour de cheville

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    0 100 200 300 400 500

    150

    160

    170

    180

    190

    200

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0 100 200 300 400 500

    4060

    8010

    0

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    0 100 200 300 400 500

    1618

    2022

    2426

    28

    I Autre exemple modèle P = {P⊗n, P loi sur R }, θ = PI Identifiable, produit, non-paramétrique

    Etienne Roquain (merci à Nathalie Akakpo, Lucien Birgé, Arnaud Guyader, Tabea Rebafka ...) Modèle statistique 18 / 23

  • Caractéristiques corporelles

    Taille Poids Tour de cheville

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●

    ●●●

    ●●

    ●●

    ●●

    ●●

    ●●